FORECASTING THE FINANCIAL RESULT OF PJSC "NK ROSNEFT" VIA ARTIFICIAL INTELLIGENCE

ПРОГНОЗИРОВАНИЕ ФИНАНСОВОГО РЕЗУЛЬТАТА КОМПАНИИ ПАО «НК РОСНЕФТЬ» С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Научная статья

Ломакин Н.И.^1, *, Харламова Е.Е.², Пахорукова А.А.³, Голодова О.А.⁴, Рыбанов А.А.⁵, Сычева А.В.⁶, Бескоровайная Н.Н.⁷, Черная Е.Г.⁸

¹ ORCID: 0000-0001-6597-7195;

^{1, 2, 3} Волгоградский государственный технический университет, Волгоград, Россия;

⁴ Волгоградский государственный университет, Волгоград, Россия;

^{5, 6} Волжский политехнический институт (филиал) ВолгГТУ, Волжский, Россия;

⁷ Волгоградский филиал РЭУ им. Г.В. Плеханова, Волгоград, Россия;

⁸ Волжский институт экономики, педагогики и права, Волжский, Россия

* Корреспондирующий автор (tel9033176642[at]yahoo.com)

Аннотация Исследованы теоретические основы формирования финансового результата российскими нефтяными компаниями. В работе анализируются финансовые результаты поквартальной работы нефтяной компании ПАО «НК РОСНЕФТЬ» (далее Роснефть).

Выдвинута и доказана гипотеза, что на основе применения искусственного интеллекта – «персептрона», можно получать точный прогноз чистой прибыли нефтяной компании поквартально. На основе исходных данных была сформирована и обучена система искусственного интеллекта. Этот факт определяет актуальность и практическую значимость результатов представленного исследования. Это особенно важно в свете майских указов Президента РФ в современных условиях формирования цифровой экономики и развития нового технологического уклада «Индустрия 4.0».

Ключевые слова: Прогнозирование, нейросеть, финансовое состояние, финансовый результат, ПАО «НК Роснефть».

FORECASTING THE FINANCIAL RESULT OF PJSC "NK ROSNEFT" VIA ARTIFICIAL INTELLIGENCE

Research article

Lomakin N.I.^1, *, Kharlamova E.E.², Pakhorukova A.A.³, Golodova O.A.⁴, Rybanov A.A.⁵, Sycheva A.V.⁶, Beskorovaynaya N.N.⁷, Chernaya E.G.⁸

¹ ORCID: 0000-0001-6597-7195;

^{1, 2, 3} Volgograd State Technical University, Volgograd, Russia;

⁴ Volgograd State University, Volgograd, Russian Federation;

^{5, 6} Volzhsky Polytechnic Institute (branch) of the Volga State Technical University, Volzhskiy, Russia;

⁷ Volgograd branch of the Plekhanov Russian University of Economics, Volgograd, Russia;

⁸ Volzhsky Institute of Economics, Pedagogy and Law, Volzhskiy, Russia

* Corresponding author (tel9033176642[at]yahoo.com)

Abstract

The current study investigates the theoretical foundations of the formation of the financial result by the Russian oil companies. The paper analyzes the financial results of the quarterly operation of the oil company PJSC "NK ROSNEFT" (hereinafter referred to as Rosneft).

The hypothesis is put forward and proved that on the basis using artificial intelligence - Perceptron, it is possible to obtain an accurate forecast of the net profit of an oil company on a quarterly basis. Based on the initial data, an artificial intelligence system was formed and trained.  This fact determines the relevance and practical significance of the results of the study and is especially important in the light of the May decrees of the President of the Russian Federation in the current context of the formation of the digital economy and the development of a new technological order "Industry 4.0".

Keywords: Forecasting, neural network, financial condition, financial result, PJSC "NK Rosneft".

Введение

В современных условиях очень важно использовать системы искусственного интеллекта для повышения результативности работы компаний нефтяного сектора.

Актуальность исследования заключается в том, что в условиях усиления всех видов риска и нарастания рыночной неопределенности, важное значение для поддержки принятия управленческих решений в сфере финансового менеджмента нефтедобывающей компании является использование систем искусственного интеллекта для прогнозирования величины чистой прибыли.

Практическая значимость проведенного исследования заключается в том, что результаты разработки могут быть использованы на практике, поскольку на основе системы искусственного интеллекта – «персептрона», можно получать точный прогноз чистой прибыли нефтяной компании на следующий квартал в условиях рыночной неопределенности.

Как показывают проведенные исследования, нельзя утверждать, что чистая прибыль компании Роснефть напрямую зависит от уровня мировых цен на нефть. Подтверждением этому высказыванию выступает выявленная зависимость динамика прибыли от изменения мировых цен на нефть Brent.

Методы и принципы исследования

В работе использовались такие методы исследования, как монографический, аналитический, расчетно-конструктивный, а также применена нелинейная математическая AI-модель – «персептрон».

Основные результаты

Проблема прогнозирования финансового результата затрагивалась соавторами еще в предыдущей статье: «Исследование финансового состояния нефтяной отрасли России нейросетью» [1, С. 1316–1322]. Поскольку исследование финансового состояния нефтяной отрасли России проводилось ранее нейросетью – «карта Кохонена», то в настоящем исследовании был использован «персептрон».

Перцептрон, или персептрон (англ. perceptron от лат. perceptio - восприятие) представляет собой математическую или компьютерную модель восприятия информации мозгом, некоторую кибернетическую модель мозга, которую предложил Фрэнк Розенблатт в 1957 году [2].

На основе исходных данных, отражающих деятельность компании ПАО «НК Роснефть» поквартально, за период 2017-20120 гг. был сформирован обучающий набор (таблица 1).

 

Таблица 1 – Исходные данные

Год/квартал, Q	P (акции), руб.	RTS	$ Brent	USD	Выручка, тыс. руб.	S&P 500	AU $/oz	Прибыль чистая, тыс. руб.	Прогноз (ЧП), тыс. руб.
2020/Q4	435,2	1367,6	55,88	73,87	1521	3715,4	1850	324	324
2020/Q3	383,4	1066,6	37,46	69,95	1439	3269,9	1892	-64	-64
2020/Q2	360,8	1234,4	22,74	77,73	1016	3271,1	1708	43	43
2020/Q1	314,3	2493,35	29,02	77,73	1765	2539,5	1599	-156	-156
2019/Q4	449,4	3045,87	67,47	61,91	8490	3236,2	1486	66,81	66,81
2019/Q3	419,3	2747,18	58,41	64,41	6313	2933,4	1515	51,9	51,9
2019/Q2	414,5	2765,85	63,98	63,05	4116	2980,9	1365	30,67	30,67
2019/Q1	419,7	2521,25	69,15	64,73	2031	2876	1300	12,36	12,36
2018/Q4	432,5	2369,33	55,92	69,52	8076	2499,1	1255	51,8	51,8
2018/Q3	478	2474,57	84,69	65,57	5959	2912,1	1202	41,52	41,52
2018/Q2	396,15	2295,95	77,25	63,14	3714	2734,1	1283	28,12	28,12
2018/Q1	313,9	2270,98	67,78	57,56	2031	2621,7	1326	7,64	7,64
2017/Q4	291,5	2109,74	67,58	57,45	5877	2719	1269	20,95	20,95
2017/Q3	321,9	2071,64	57,39	58,42	4212	2506	1319	11,51	11,51
2017/Q2	333	1881	47,6	59,54	2751	2424,1	1261	7,64	7,64
2017/Q1	297,95	2152,97	53,03	56,25	1383	2346,2	1231	1,23	1,23

  Обучающий набор данных был импортирован в платформу Deductor (рис. 1).

Рис. 1 – Обучающий набор данных на платформе Deductor

 

Сформированный персептрон представлен входным слоем с 9 параметрами, двумя скрытыми слоями и выходным слоем с одним параметром. На входном слое расположены такие параметры, как:

• Год/квартал, Q;
• Цена акции, P(акции), руб.;
• Индекс РТС, RTS;
• Цена нефти марки Брент, $ Brent;
• Курс доллара, USD;
• Выручка компании ПАО «НК Роснефть» поквартально, тыс. руб.;
• Американский фондовый индекс, S&P500;
• Биржевая цена на золото, AU $/oz;
• Прибыль компании чистая, (поквартально) тыс. руб.

Выходной слой представлен одним параметром – прогноз чистой прибыли компании «Прогноз (ЧП), тыс. руб.». Граф персептрона представлен на рис. 2.

Рис. 2 – Граф персептрона

 

Использование функции «что-если» в нейросети позволяет рассчитать прогнозное значение величины чистой прибыли на следующий квартал (1 кв. 2021 г.) (рис. 3).

Рис. 3 – Расчет значения прогнозируемого параметра с помощью функции «что-если» в нейросети

 

Так, например, после введения свежих входных параметров на 1 квартал 2021 которые составили: P(акции) - 569,7 руб., индекс РТС – 1466,7, Brent – 64,8, USD – 76,51, выручка компании ПАО «НК Роснефть» за 4 квартал 1521 тыс. руб., американский фондовый индекс S&P500 – 4010, биржевая цена на золото, AU $/oz – 1726, программа рассчитает прогнозное значение прибыли компании чистая, (на 1 квартал 2021 г.) 322,9062 тыс. руб. Полученное прогнозное значение на 1,09 тыс. руб., или на 0,3364% меньше фактического значения чистой прибыли, полученной в 4 кв. 2020 г.

Роснефть (ROSN RX) опубликовала финансовую отчетность за 4 кв. и весь 2020 г., которые лишь немного превысили консенсус в части выручки и EBITDA, и более существенно – в части чистой прибыли, что стало возможным за счет одноразовых неденежных статей в результате реализации сделок приобретения. Компания также раскрыла некоторые подробности сделки по продаже 10% проекта Восток Ойл нефтетрейдеру Trafigura и по покупке активов на Таймыре у компании НКК [3].

Обсуждение

Как показывают исследования, нельзя утверждать, что чистая прибыль компании Роснефть напрямую зависит от уровня мировых цен на нефть. Подтверждением этому высказыванию выступает динамика прибыли (ось ОY) в зависимости от изменения цены на нефть марки Brent (ось OX) (рис. 4). Можно сделать вывод, что величина отражаемой в отчетности чистой прибыли компании во многом определяется менеджментом компании и не зависит на прямую от операционной деятельности.

В этом отношении представляет практический интерес исследование опыта, касательно прогнозирования прибыли ПАО «НК Роснефть» с помощью системы искусственного интеллекта в условиях цифровой экономики [4, С. 117-124].

Рис. 4 – Диаграмма зависимости размера чистой прибыли компании от динамики цены на нефть марки Brent

 

Как известно финансовые результаты нефтяных компаний значительно подвержены финансовому риску. В связи с этим, важно использовать современные подходы на основе искусственного интеллекта, представленные в работе Ломакина Н.И. и коллектива авторов, касательно использования GARCH-модели для оценки риска финансовых временных рядов [5, С. 70], а также применения VaR-метода оценки финансовых рисков на основе системы искусственного интеллекта [6, С. 70].

Кроме того, важное значение имеет использование классических подходов в решении вопросов управления финансами предприятий [7], в том числе и на предприятиях нефтяной отрасли, лидером которой является Роснефть [8].

В современных условиях рыночной неопределенности, нельзя недооценивать методологические основы реализации концепции франчайзинга в деятельности российских нефтегазовых компаний [9, С. 154], а также вопросы повышения эффективности деятельности предприятий нефтяной отрасли [10, С. 20-23].

Представляет приращение научного знания результаты исследований, касательно использования маркетингового управления нефтяной компанией [11], а также стратегического управления [12]. Дальнейшее развитие в условиях формирования четвертой промышленной революции [13], может быть направлено на разработку экономического механизма стимулирования инновационной деятельности предприятий нефтеперерабатывающего комплекса, в том числе на базе автоматизации бизнес-процессов.

Заключение

На основании вышеизложенного можно сделать следующие выводы:

Во-первых, в современных условиях усиления всех видов риска и нарастания рыночной неопределенности, важное значение для поддержки принятия управленческих решений в сфере финансового менеджмента нефтедобывающей компании, является использование систем искусственного интеллекта для прогнозирования величины чистой прибыли.

Во-вторых, доказана выдвинутая гипотеза, что на основе применения искусственного интеллекта – «персептрона», можно получать точный прогноз чистой прибыли нефтяной компании на следующий квартал. Так, при использовании свежих входных параметров на 1 квартал 2021 которые составили: P(акции Роснефть) - 569,7 руб., индекс РТС – 1466,7, Brent – 64,8, USD – 76,51, выручка компании Роснефть за 4 квартал 1521 тыс. руб., американский фондовый индекс S&P500 – 4010, биржевая цена на золото, AU дол./oz – 1726, программа рассчитала прогнозное значение чистой прибыли компании, которое составило 322,9062 тыс. руб. Полученное прогнозное значение на 1,09 тыс. руб., или на 0,3364% меньше фактического значения чистой прибыли, полученной компанией Роснефть в 4 кв. 2020 г.

В-третьих, как показывают исследования, нельзя утверждать, что чистая прибыль компании Роснефть напрямую зависит от уровня мировых цен на нефть. Подтверждением этому высказыванию выступает представленная на диаграмме зависимости, динамика прибыли в зависимости от изменения цены на нефть марки Brent. 

Благодарности Авторы выражают благодарность редакции журнала за предоставленную возможность опубликовать результаты исследования в данном журнале.	Acknowledgement The authors express their gratitude to the editors of the journal for the opportunity to publish the results of the study in this journal.
Конфликт интересов Не указан.	Conflict of Interest None declared.

Список литературы / References

1. Исследование финансового состояния нефтяной отрасли России нейросетью / Н.И. Ломакин, Е.Г. Черная, Т.А. Матвеева и др. // Экономика и предпринимательство. - 2020. - Т. 14, № 11. - С. 1316–1322.
2. Перцептрон [Электронный ресурс]: - URL: https://ru.wikipedia.org/wiki/%D0%9F%D0%B5%D1%80%D1%86%D0 (дата обращения 04.04.21).
3. SMART-LAB [Электронный ресурс]: - URL: https://smart-lab.ru/company/general_invest/blog/677770.php (дата обращения 04.04.21).
4. Прогнозирование прибыли ПАО «НК Роснефть» с помощью системы искусственного интеллекта в условиях цифровой экономики / Н.И. Ломакин, О.Ч. Дженнифер, И.А. Езангина и др. // Фундаментальные исследования. - 2020. - № 5. - C. 117-124.
5. Свид. о гос. регистрации программы для ЭВМ № 2019613110 от 11 марта 2019 г. Российская Федерация. GARCH-модель оценки риска финансовых временных рядов / Н.И. Ломакин, С.П. Сазонов, О.О. Дроботова и др.; ВолгГТУ. - 2019.
6. Свид. о гос. регистрации программы для ЭВМ № 2019613432 от 18 марта 2019 г. Российская Федерация. VaR-метод оценки финансовых рисков на основе системы искусственного интеллекта / Н.И. Ломакин, С.П. Сазонов, О.О. Дроботова, и др; ВолгГТУ. - 2019.
7. Финансовый менеджмент / Кириченко Т.Т. - М.:Дашков и К, 2018. - 484 с.: ISBN 978-5-394-01996-8 [Электронный ресурс]: - URL: http://znanium.com/catalog/product/415005 (дата обращения 04.04.21).
8. «Роснефть» сегодня [Электронный ресурс] URL: http://www.tadviser.ru/images/c/c2/Digital-Russia-report.pdf (дата обращения 04.04.21).
9. Сазонов С.П. Методологические основы реализации концепции франчайзинга в деятельности российских нефтегазовых компаний / С.П. Сазонов, Е.Е. Харламова, А.А. Полянская и др.: монография; ВолгГТУ. - Курск, 2018. - 154 с.
10. Столяренко К.Г. К вопросу об эффективности деятельности предприятий нефтяной отрасли / К.Г. Столяренко, Т.М. Еникеева, Р.Ф. Гайнуллина // Тенденции развития науки и образования. 2018. - № 36-2. - С. 20-23.
11. Сущность маркетингового управления предприятием [Электронный ресурс] URL: http://managment-study.ru/sushhnost-marketingovogo-upravleniya-predpriyatiem.html (дата обращения 04.04.21).
12. Сущность стратегического управления предприятием [Электронный ресурс] URL: http://managment-study.ru/sushhnost-marketingovogo-upravleniya-predpriyatiem.html (дата обращения 04.04.21).
13. Четвёртая промышленная революция [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/ (дата обращения 04.04.21).

Список литературы на английском языке / References in English

1. Issledovanie finansovogo sostojanija neftjanoj otrasli Rossii nejroset'ju [Research of the financial state of the Russian oil industry by neural network] / N. I. Lomakin, E. G. Chernaya, T. A. Matveeva, et al. // Ekonomika i predprinimatelstvo. - 2020. - Vol. 14, No. 11. - p. 1316-1322 [in Russian]
2. Perceptron [Electronic resource]: - URL: https://ru.wikipedia.org/wiki/%D0%9F%D0%B5%D1%80%D1%86%D0 (accessed 04.04.21). [in Russian]
3. SMART-LAB [Electronic resource]: - URL: https://smart-lab.ru/company/general_invest/blog/677770.php (accessed 04.04.21). [in Russian]
4. Prognozirovanie pribyli PAO «NK Rosneft'» s pomoshh'ju sistemy iskusstvennogo intellekta v uslovijah cifrovoj jekonomiki [Predicting the profit of PJSC "NK Rosneft" with the help of an artificial intelligence system in the digital economy] / N. I. Lomakin, O. Ch. Jennifer, I. A. Yezangina et al. // Fundamental'nye issledovanija [Fundamental Research]. - 2020. - No. 5. - P. 117-124. [in Russian]
5. Svid. o gos. registracii programmy dlja JeVM № 2019613432 ot 18 marta 2019 g. Rossijskaja Federacija. VaR-metod ocenki finansovyh riskov na osnove sistemy iskusstvennogo intellekta [Svid. about the state registration of the computer program No. 2019613110 of March 11, 2019, the Russian Federation. GARCH-a model for assessing the risk of financial time series] / N. I. Lomakin, S. P. Sazonov, O. O. Drobotova et al.; VolgSTU. - 2019. [in Russian]
6. Svid. o gos. registracii programmy dlja JeVM № 2019613110 ot 11 marta 2019 g. Rossijskaja Federacija. GARCH-model' ocenki riska finansovyh vremennyh rjadov [Svid. about the state registration of the computer program No. 2019613432 of March 18, 2019, the Russian Federation. VAR-a method for assessing financial risks based on an artificial intelligence system] / N. I. Lomakin, S. P. Sazonov, O. O. Drobotova, and others; VolgSTU. - 2019. [in Russian]
7. Finansovyj menedzhment [Financial management] / Kirichenko T. T.-M.: Dashkov and K, 2018. - 484 p.: ISBN 978-5-394-01996-8 [Electronic resource]: - URL: http://znanium.com/catalog/product/415005 (accessed 04.04.21). [in Russian]
8. «Rosneft'» segodnja ["Rosneft" today] [Electronic resource] URL: http://www.tadviser.ru/images/c/c2/Digital-Russia-report.pdf (accessed 04.04.21). [in Russian]
9. Sazonov S. P. Metodologicheskie osnovy realizacii koncepcii franchajzinga v dejatel'nosti rossijskih neftegazovyh kompanij [Methodological foundations of the implementation of the concept of franchising in the activities of Russian oil and gas companies] / S. P. Sazonov, E. E. Kharlamova, A. A. Polyanskaya et al.: monograph; VolgSTU. - Kursk, 2018. - 154 p. [in Russian]
10. Stolyarenko K. G. K voprosu o effektivnosti deyatel'nosti predstavleniy neftyanoy otryakh [On the question of the efficiency of the oil industry enterprises]. 2018. - No. 36-2. - pp. 20-23. [in Russian]
11. Sushhnost' marketingovogo upravlenija predprijatiem [The essence of marketing management of the enterprise] [Electronic resource] URL: http://managment-study.ru/sushhnost-marketingovogo-upravleniya-predpriyatiem.html (accessed 04.04.21). [in Russian]
12. Sushhnost' strategicheskogo upravlenija predprijatiem [The essence of strategic enterprise management] [Electronic resource] URL: http://managment-study.ru/sushhnost-marketingovogo-upravleniya-predpriyatiem.html (accessed 04.04.21). [in Russian]
13. Chetvjortaja promyshlennaja revoljucija [The Fourth industrial Revolution] [Electronic resource]. URL: https://ru.wikipedia.org/wiki/ (accessed 04.04.21). [in Russian]